camouflaged object detection

引用格式

[1] FAN, Deng-Ping, et al. Camouflaged object detection. In: Proceedings of the IEEE/CVF conference on computer vision and pattern recognition. 2020. p. 2777-2787.

研究的背景

  1. 伪装目标检测(Camouflaged Object Detection)，与显著目标检测(SOD)一样，虽名为检测，但实际是做了分割的工作。COD的作者范登平在SOD领域也做了许多工作。COD的目标是检测出那些无缝地嵌入他们周围环境里的物体。

使用的方法（创新点）

  1. 首先提出了新的COD数据集——COD10K，有10000张图片，分为78个类别。每张图像都标注了类别，边界框，目标/实例级别，还有抠图级的标签(应该是指像素级的mask)以及挑战属性。

  2. 提出了新的网络——Search Identification Network(SINet)。其结构如下图所示。模型分为两个大阶段：搜索阶段和识别阶段，前者大致搜索到伪装目标，后者精细地捕捉它。

    architecture

  3. 在搜索阶段中，将特征分为两层低级，一层中级和两层高级。浅两层size相同，直接拼接送入RF模块，深三层采用密集连接的方式分别送入三个RF模块。RF模块可以扩大感受野，其采用了一种类似空间分离卷积+空洞卷积的方式。

  4. 在识别阶段中，首先使用SA(search attention)模块增强中级特征，它实际上是一个高斯滤波器加一个归一化操作。然后用增强的中级特征再次生成高级特征，并分别送入RF模块。最后使用PDC模块对两个分支(分支一：两个浅层，一个中层，两个深层，产生的是搜索阶段的结果；分支二：增强之后的中层，两个增强中层生成的深层，产生的是识别阶段的结果)进行解码。

  5. 总的loss是搜索阶段结果和gt的loss与识别阶段结果和gt的loss之和。

评估方法

  • MAE(像素级准确率)，E-measure，S-measure以及weighted F-measure。